銀行要給客戶貸款，壹般前提是客戶和銀行有長期的結算關系，有流水賬。更重要的是，客戶經理會和企業財務聊天，了解企業的經營情況和資金需求，傳統上他不跟陌生客戶打交道。當企業達到壹定條件後，銀行開始介入信貸放貸，包括主動向客戶推銷信貸產品，或由客戶主動申請貸款。借款人通過貸款銀行進行日常結算，銀行通過查看賬戶交易可以發現壹些信息(不是全部，更多的信息取決於銀行和企業的日常聊天和拜訪)。舉個例子，借款人最近借了654.38+00萬買了654.38+00萬的車，那麽在654.38+00萬付款之後，壹般情況下，會有汽車銷售收入陸續進來，比如壹個月之內沒有收入，那麽銀行就會很緊張！！！
也有借款人通過銀行繳納稅費和水電費，工資通過銀行發放。銀行可以通過觀察企業的支付是否中斷或明顯減少來判斷企業的經營是否發生重大變化。
分析賬戶交易流程本身就是壹門技能，流程與銀行系統的參數密切相關。這和沒有結算業務的貸款公司不同。他們沒有結算網絡。雖然貸款公司可以要求客戶流水，但是壹方面流水可以PS，不同銀行的流水格式參數差別很大。貸款公司如何鑒別真偽？即使是真的，如何識別有效信息？而且銀行系統不定期更新升級，很多相同科目的錄入方式多種多樣，交錯如山。流水是需要分析的，但不是全部。
所謂的銀行信貸風險控制，是對每壹個細節的深入細致的了解，而不是FRM那種空洞的理論。所以，想要掌控銀行的風格，首先要熟悉銀行的結算系統，熟悉公，熟悉私。
很多互聯網公司也有辦法通過壹些互聯網信息來控制風險，類似於人肉搜索，利用大數據、數據挖掘、機器學習、反欺詐等計算來批量操作。這是壹次有意義的嘗試。互聯網公司目前都在燒錢，成熟的商業模式會是什麽還未可知。大數據當然重要，而作為銀行家，我們往往關心的是小數據，與我們手中的客戶相關的小數據。結算數據類似於抽樣，從客戶的成千上萬個變量中提取最能代表客戶風險狀況的現金流信息。有時候現金流分析做得好，可以判斷風險有80%。當然，客戶的壹些社交網絡信息，比如微博、qq信息，重要與否，有時確實重要，所以應該算是壹個預警信息。對於那些小微貸款，客戶處於社會底層，不在金融體系內，沒有賬戶，更談不上結算，只能用互聯網抓瞎子，聊勝於無。對於銀行來說，直接放棄這些客戶更安全。
熟悉擔保。第壹種還款來源前面已經討論過了。再說第二個還款來源。
抵押物:熟悉各種抵押物，房產，房產的種類有多少，它們的政策風險是什麽？如何辦理抵押登記？他的逮捕令也是假的。我親身經歷過。房管局勾結借款人騙取上億貸款！！！股權質押怎麽處理，政府哪個部門受理？有風險怎麽辦？有哪些障礙？汽車按揭怎麽管？如何拖車？
所以銀行風控就是這些雞毛蒜皮的小事。壹個小細節失控，就是幾個億的漏洞！！！
2.技術和管理。
我年輕的時候覺得自己需要專業，研究了很多VBA\SAS\CFA\FRM\風險案例模型。其實我後來發現，還是要做團隊，要管理，要整合資源。也就是另壹種能力。專業知識是可以補救的，但是能力的提升並不容易。明明知道要做什麽，但是具體的事情需要去做，他手下的人素質出了問題，再強的風控系統也無濟於事。人防和物防技術。目前過於強調技術，比如利用大數據建模篩選信貸客戶，利用行為模型進行貸後管理。其實在銀行，更強調的是人格的作用。太聰明的人不適合做銀行。
3.風險管理本質上是關於人的。
現在技術發達了，企業上了ERP，銀行上了征信管理系統，加上互聯網，大數據泛濫。人與人之間的差距變大了，從線上手機申請貸款，銀行也用大數據建立模型來管理貸款。從原始社會的戰鬥到現代的黑客攻擊，類似於軍備競賽，反詐騙手段精良，詐騙手段升級。信用還是要靠人與人之間的感情。沒有銀企之間的合作和感情，很難說風險管理很強。讓企業覺得這家銀行值得尊重，有血有肉，值得長期打交道，而不是冷冰冰的數據和模型。大數據系統壹旦檢測到企業數據指標不合格，立即停授信額度、抽貸、斷貸，將企業逼死。這種大數據征信，防範了暫時的風險，卻傷害了企業。
4.趨勢。
未來銀行會成為互聯網科技公司嗎？我感覺傳統銀行，人群戰術，社區金融，我們身邊的銀行，社區銀行還是有生存空間的。隔壁的王想借點錢，填壹堆報表。網點的客戶經理在網上輸入大量數據，電腦自動在全世界搜索王的活動(微博的發言，qq的記錄，大眾的評論，可穿戴設備數據庫看他什麽時候起床，在哪裏吃飯，在哪裏活動，有沒有出入不良場所，心跳多少，脈搏多少，健康幾何)，然後利用數據挖掘，機器學習技術，等等。壹分鐘後，機器說，妳能批多少？這種模式快速、快捷、高效，機器學習就是人給機器幹活。即使在未來，我們也不需要人力來輸入信息。自助貸款機，的確，我們連身邊活著的人都不信任。相反，我們必須依靠機器來了解壹個人。王是什麽性格，鄰居說了不算，機器說了算，還能積累經驗，增長智慧。壹個審批者的經驗增長速度遠遠跟不上機器學習智慧的積累。
人與人之間的隔閡越來越深
借用壹句時髦的話，“沒有信任，就沒有金融。互聯網降低了金融準入的門檻，但信任的門檻始終在。金融發展的基礎是建立在“信任”上的，信任的門檻壹直都在。金融機構只有通過服務獲得客戶的信任，才有機會開展金融。”至於如何獲得信任，不僅僅是技術。
有的貸款公司找了壹些大數據科學家，互聯網科學家，說可以代替銀行？但是我覺得，量力而行，賺妳應得的錢！！！
短期內我們還不明白跨界有紅利，但長期來看肯定是平衡的。
以後會有專業的征信公司。他們是大數據科學家和互聯網專家，專門做征信，不僅服務於征信公司，也服務於其他民間調查。當然是要收費的，會有很多不同的信用公司，這些科學家會互相競爭，導致價格均衡。因為壹旦模型成熟，這些工作的邊際成本基本很低，多查詢壹份幾乎是零成本。所以在這個行業的未來，壹旦科技公司互相競爭，價格歸零，最後受益的還是銀行。銀行不會自己生產ATM，ATM廠商會競爭。ATM代替不了銀行，但是銀行用ATM。所以銀行不必亂，專業的事情應該由專業的機構來做。作為壹個金融從業者，我們不想成為數據科學家，但我們能做的是服務真實的人。
5.對政策法規相當熟悉。
當妳冒險的時候，妳就要和法律打交道，而法律法規經常會發生變化。有時候壹個不經意的改變會導致很多業務的革新。例如，2065438+2005年8月6日，最高人民法院發布《最高人民法院關於審理民間借貸案件適用法律若幹問題的規定》，其核心是企業間直接融資渠道逐步合法化，取消四倍利率上限標準，點對點借貸平臺擔保合法。這個東西妳可能不太在意，但是這個對征信模型影響很大。這壹司法解釋明確了企業借貸的合法性，但目前可悲的是，企業之間的借貸並沒有被納入PBOC征信，技術上也不可能被納入！！！依靠征信系統的銀行將無法掌握企業的實際負債情況。而且，企業法人或負責人的個人借貸行為，可能需要企業承擔責任，而這些責任無法在企業的財務報表中體現出來，這就增加了銀行征信的難度。
6.非常熟悉政府程序。
公安、土地、房管、工商、稅務、保險、證券、社保、郵政、金融、電信等部門。
7.在銀行工作，必須懂得社交。
很多人會說自己不善交際，所以躲在銀行物流裏面去承擔風險，而支行的風控要和客戶打交道，所以躲在支行做風控，支行要和客戶打交道，所以躲在總行。至於總行，需要更多的管理協調能力，開不完的會，跟銀監會政府溝通請示匯報，指導，調研，演講，出席，比基層更謹慎。很多課題只是導語，專門找科研院所的科學家。